요청 파라미터의 이해 - 소프트웨어 융합

ChatGPT API를 사용하여 다양한 작업을 수행할 때, 요청 파라미터의 설정은 매우 중요하다. 요청 파라미터는 API가 입력을 어떻게 처리하고, 어떤 방식으로 응답을 생성할지를 제어한다. 이 섹션에서는 주요 요청 파라미터에 대해 상세히 설명하고, 각각의 파라미터가 어떤 역할을 하는지, 그리고 이를 어떻게 최적화할 수 있는지에 대해 다룬다.

API 기본 요청 구조

ChatGPT API 요청은 보통 HTTP POST 요청으로 이루어지며, JSON 형식의 페이로드를 포함한다. 기본적인 구조는 다음과 같다.

import openai

response = openai.ChatCompletion.create(
    model="gpt-4",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Can you help me with some information?"}
    ],
    temperature=0.7,
    max_tokens=100
)

이 기본적인 예제에서, 우리는 model, messages, temperature, max_tokens와 같은 몇 가지 중요한 파라미터를 사용하였다. 이제 이들 파라미터의 역할과 설정 방법을 상세히 살펴보겠다.

model

설명: model 파라미터는 요청에 사용할 언어 모델을 지정한다. 예를 들어, gpt-4는 GPT-4 모델을, gpt-3.5-turbo는 GPT-3.5 모델을 의미한다.
용도: 모델의 선택은 응답의 품질과 API 사용 비용에 직접적인 영향을 미친다. 최신 모델일수록 더 나은 성능을 제공하지만, 비용이 더 많이 들 수 있다.
예시:

model="gpt-4"

messages

설명: messages 파라미터는 대화의 맥락을 제공하는 입력 메시지들의 리스트이다. 각 메시지는 role과 content로 구성된다.
role: 메시지의 역할을 지정하며, system, user, assistant 중 하나를 가질 수 있다.
content: 해당 메시지의 실제 내용을 담고 있다.
용도: 이 파라미터는 대화의 흐름을 관리하며, 시스템의 초기 지침을 설정하거나 사용자의 질문, 그리고 이전 대화 내용을 포함할 수 있다.
예시:

messages=[
    {"role": "system", "content": "You are a helpful assistant."},
    {"role": "user", "content": "What is the capital of France?"}
]

temperature

설명: temperature 파라미터는 생성되는 텍스트의 창의성을 조절하는 데 사용된다. 이 값은 0과 1 사이의 부동소수점 수로 설정할 수 있다.
값이 높을수록(예: 0.8) 더 창의적이고 다양성 있는 출력을 생성한다.
값이 낮을수록(예: 0.2) 더 집중되고 예측 가능한 출력을 생성한다.
용도: 창의성이 필요한 작업(예: 이야기 생성)에서는 높은 temperature 값을, 정확한 답변이 필요한 작업(예: 사실 기반 질문)에서는 낮은 temperature 값을 사용하는 것이 일반적이다.
수식: 텍스트 생성 과정에서의 확률 분포는 다음과 같이 표현될 수 있다.

$P(w_i) = \frac{\exp\left(\frac{\log P(w_i)}{\text{temperature}}\right)}{\sum_{j} \exp\left(\frac{\log P(w_j)}{\text{temperature}}\right)}$

여기서 $P(w_i)$ 는 단어 $w_i$ 가 선택될 확률을 나타내며, temperature 값이 확률 분포의 집중도에 영향을 준다.

예시:

temperature=0.7

max_tokens

설명: max_tokens 파라미터는 API가 생성할 수 있는 최대 토큰 수를 지정한다. 여기서 "토큰"은 단어의 조각이나 전체 단어를 나타낼 수 있으며, 모델에 따라 다르게 정의된다.
용도: 생성되는 텍스트의 길이를 제어하는 데 사용된다. 긴 응답이 필요한 경우 이 값을 높이고, 짧은 응답이 필요한 경우 이 값을 낮춘다.
수식: 출력 텍스트 $T$ 는 다음과 같이 표현될 수 있다.

$T = \sum_{i=1}^{n} t_i \quad \text{where} \quad n \leq \text{max\_tokens}$

여기서 $t_i$ 는 개별 토큰을 의미하며, 총합 $T$ 의 길이는 max_tokens를 초과할 수 없다.

예시:

max_tokens=100

top_p

설명: top_p 파라미터는 Nucleus Sampling(핵심 샘플링) 기법을 사용하여 텍스트 생성을 제어한다. top_p는 확률의 누적 합계가 top_p 이상이 될 때까지 후보 단어를 포함한다.
top_p=1.0은 nucleus sampling을 사용하지 않음을 의미하며, 모든 후보 단어가 고려된다.
top_p=0.9은 상위 90%의 확률 질량을 차지하는 단어들만 고려한다.
용도: 이 파라미터는 모델의 출력을 더욱 다양하게 만들 수 있으며, 특정 응답 유형을 선호하는 데 도움이 된다.
수식: 텍스트 생성 시 후보 단어들의 누적 확률은 다음과 같다.

$\sum_{i=1}^{k} P(w_i) \geq \text{top\_p}$

여기서 $k$ 는 선택된 단어의 수를 나타내며, 총합이 top_p 이상이 되면 후보 선택이 종료된다.

예시:

top_p=0.9

presence_penalty

설명: presence_penalty는 모델이 새로운 주제를 도입하는 빈도를 증가시키거나 감소시키는 데 사용된다. 값이 양수일 경우 새로운 주제를 도입하는 경향이 증가하고, 음수일 경우 감소한다.
용도: 대화의 다양성을 높이거나 특정 주제에 대한 집중도를 조절할 때 유용하다.
수식: 각 단어의 로그 확률 $\log P(w_i)$ 에 가중치를 적용하여 계산된다.

$\log P(w_i) = \log P(w_i) + (\text{presence\_penalty})$

예시:

presence_penalty=0.6

frequency_penalty

설명: frequency_penalty는 동일한 단어가 반복되는 빈도를 제어한다. 양수 값은 반복을 줄이고, 음수 값은 반복을 허용하는 경향이 있다.
용도: 특정 단어의 반복을 피하고자 할 때 사용된다.
수식: 반복 단어에 대해 로그 확률이 페널티를 받는다.

$\log P(w_i) = \log P(w_i) - (\text{frequency\_penalty} \times \text{count}(w_i))$

예시:

frequency_penalty=0.5

stop

설명: stop 파라미터는 생성된 텍스트를 멈추게 하는 문자열 또는 문자열 목록을 지정한다. 모델은 이 문자열을 만나면 추가 텍스트 생성을 중단한다.
용도: 특정 구문이나 문장이 나타날 때 응답을 종료하고자 할 때 유용하다. 예를 들어, 대화형 응답에서 문장이 너무 길어지지 않도록 할 때 사용할 수 있다.
예시:

stop=["\n", "User:"]

위의 예시는 줄바꿈 문자나 "User:" 문자열을 만나면 텍스트 생성을 멈추도록 설정한다.

logit_bias

설명: logit_bias 파라미터는 특정 토큰의 선택 확률을 수정하는 데 사용된다. 토큰의 ID와 그에 대한 가중치를 매핑하여, 모델이 특정 토큰을 더 자주 또는 덜 자주 선택하도록 강제할 수 있다.
용도: 특정 단어를 억제하거나 선호할 때 사용된다. 예를 들어, 부정적인 단어의 사용을 줄이거나 특정 키워드를 강조할 수 있다.
수식: 각 토큰 $t_i$ 의 로그 확률 $\log P(t_i)$ 는 다음과 같이 수정된다.

$\log P(t_i) = \log P(t_i) + \text{logit\_bias}(t_i)$

여기서 logit_bias(t_i)는 토큰 $t_i$ 에 적용되는 바이어스를 나타낸다.

예시:

logit_bias={50256: -100}  # 특정 토큰의 확률을 사실상 0으로 만듦

n

설명: n 파라미터는 각 요청에서 생성할 응답의 개수를 지정한다. 하나의 요청에 대해 여러 개의 응답을 받아 다양한 출력을 비교할 수 있다.
용도: 모델의 출력을 샘플링하여 다양한 응답을 생성하고자 할 때 유용하다. 여러 개의 응답을 받은 후, 그 중에서 가장 적합한 것을 선택할 수 있다.
수식: 생성된 응답의 개수는 다음과 같이 표현된다.

$\text{Number of responses} = n$

예시:

n=3

stream

설명: stream 파라미터는 응답을 스트리밍 방식으로 받을지를 결정한다. stream=True로 설정하면 응답이 생성되는 대로 실시간으로 전달된다.
용도: 응답이 긴 경우 전체 응답을 기다리지 않고 부분적으로 처리할 수 있어, 사용자에게 더 빠른 피드백을 제공할 수 있다.
예시:

stream=True

user

설명: user 파라미터는 요청을 보낸 사용자의 식별자를 지정할 수 있는 필드이다. 이 정보는 사용자 맞춤형 로그 및 분석을 위해 사용될 수 있다.
용도: 다중 사용자 환경에서 각 사용자의 요청을 식별하고, 사용자별로 응답을 최적화할 때 유용하다.
예시:

user="user-1234"

stream과 비동기 처리

stream=True 옵션을 사용하면, 응답을 실시간으로 수신할 수 있다. 이때 비동기 처리 방식으로 API 호출을 관리하는 것이 중요하다. Python에서는 asyncio 모듈을 사용하여 비동기 API 호출을 쉽게 처리할 수 있다.

import openai
import asyncio

async def generate_response():
    response = await openai.ChatCompletion.acreate(
        model="gpt-4",
        messages=[
            {"role": "user", "content": "Tell me a story."}
        ],
        stream=True
    )

    async for chunk in response:
        print(chunk['choices'][0]['delta'].get('content', ''), end='')

asyncio.run(generate_response())

위 코드에서는 stream=True로 설정된 API 호출이 비동기적으로 처리되며, 응답이 부분적으로 전달될 때마다 출력된다.

다양한 파라미터의 조합

이제까지 다룬 여러 파라미터들을 적절히 조합하여, 모델의 출력을 최적화할 수 있다. 예를 들어, temperature와 top_p를 함께 조정하거나, frequency_penalty와 presence_penalty를 결합하여 텍스트의 반복성과 다양성을 동시에 관리할 수 있다.

예를 들어, 다음과 같은 설정을 사용해 볼 수 있다.

response = openai.ChatCompletion.create(
    model="gpt-4",
    messages=[{"role": "user", "content": "Write a creative story."}],
    temperature=0.85,
    max_tokens=150,
    top_p=0.95,
    frequency_penalty=0.5,
    presence_penalty=0.6
)

이 조합은 창의적이고 다양한 이야기를 생성하지만, 동일한 표현의 반복을 줄이고 새로운 주제를 도입할 가능성을 높인다.